Setelah kita pelajari ukuran pemusatan data dan ukuran letak, satu lagi ukuran yang harus diketahui
adalah ukuran keragaman data
Ukuran keragaman menggambarkan bagaimana berpencarnya data atau menggambarkan seberapa jauh
data menyebar dari rata-ratanya. Sebagai contoh perhatikan tiga data X1, X2 dan X3 berikut
Apa-apa saja ukuran keberagaman yang biasa dibicarakan untuk data hasil penelitian?
Ada 3 ukuran keberagaman yang biasa dibicarakan, yaitu range (jangkauan), mean deviation (rata-rata
simpangan), variance (variansi), dan standar deviation (simpangan baku). Dua yang pertama
dibicarakan dalam rangka memahami keberagaman, dan dua yang terakhir untuk digunakan dalam
pengolahan data hasil penelitian.
RANGE (JANGKAUAN)
Jangkauan adalah ukuran keberagaman paling sederhana. Jangkauan adalah beda skor tertinggi dengan
skor terendah. Dengan jangkauan gambaran keberagaman terlihat dari seberapa lebar jarak dua
anggota data ekstrim besar dan ekstrim kecil. Sehingga bermakin besar angka jangkauan, maka semakin
beragam anggota data.
Dari data di atas: RX1 = 5 − 5 = 0; Rx2 = 8 – 3 = 5; RX3 = 9 – 3 = 6, sehingga kita simpulkan data X 3 lebih
beragam dari data X2 dan lebih beragam X1. Urutan keberagaman data adalah X3 > X2 > X1
Apa Kelebihan dan kelemahan ukuran keberagaman dengan jangkauan?
Kelemahan : (a) sangat dipengaruhi skor pencilan (skor dengan nilai sangat berbeda dengan skor yang
lain, misalnya sangat tinggi atau sangat rendah), (b) sukar digunakan untuk menipulasi
matematika (operasi subtitusi atau operasi eliminasi)
Mean deviation adalah rata-rata simpangan absolut anggota data (skor) dari rata-rata. Simpangan
absolut adalah simpangan skor dari rata-rata tanpa memperhatikan tanda. Nilai absolut diperlukan
sebab simpangan skor dari rata-rata ada yang berharga positif dan ada yang berharga negatif, dan
∑ x i=0
MD=
∑ |X− X|
N
Untuk data di atas MD dapat ditentukan dengan cara berikut:
No. X1 X2 X3 │x1│ │x2│ │x3│ Dari hasil perhitungan terlihat bahwa urutan
1 5 8 9 0 3 4 Keberagaman berdasarkan harga MD adalah:
2 5 7 2 0 2 3
3 5 4 3 0sw 1 2 MD X > MD X ¿ MD X
3 2 1
Kelebihan MD: MD telah menggunakan seluruh skor dan telah menunjukkan keberagaman secara lebih
konseptual
Kelemahan: Mean deviation menggunakan nilai mutlak sehingga sukar digunakan untuk manipulasi
matematika (manipulasi aljabar) sehigga sangat jarang digunakan dalam statistika
VARIANSI DAN DEVIASI STANDAR
s=
2 ∑ ( X −X )2 Kuadrat simpangan
Jumlah skor
N
Operasi kuadrat digunakan untuk menghilangkan tanda negatif pada simpangan sehingga jumlahnya
tidak sama dengan nol. Dengan mencari variansi dari rata-rata dari kuadrat simpangan, maka secara
konseptual variansi akan memperlihatkan keberagaman data. Artinya semakin besar variansi semakin
menyebar skor dari rata-ratanya dan semakin beragam data. Variansi disimbolkan dengan s 2, dan akan
ditambah subscript x,y, atau simbol lain tergatung dengan apa data disimbolkan. Pensimbolan s x2 artinya
variansi data X.
√
2
( X −X )
s= √ s atau s=
2
N
Sehingga untuk data diatas diperoleh seperti tercantum pada tabel sebelumnya, dimana s X =0; s X =2.0;1 2
dan s X =2.2. Harga ini menunjukkan bahwa sor data X3 lebih beragam dibanding skor data X 2 dan lebih
3
beragam dibanding skor data X 1. Kesimpulan ini sama dengan kesimpulan variansi karena deviasi standar
hanyalah akar kuadrat dari variansi. Sama juga, bahwa kesimpulan ini mirip dengan MD, karena pada
deviasi standar kuadrat delah dihilangkan dan simpangan dijumlahkan dengan harga negatif telah
dihilangkan sebelumnya pada variansi dengan kuadrat.
Skor baku adalah skor simpangan dengan satuan deviasi standar. Skor baku (misalkan untuk data yang
disimbolkan dengan X) dicari dengan cara:
( X −X ) x
zx= atau z X = dimana x adalah skor simpangan atau x=X −X
sx s X
Skor baku secara konseptual memperlihatkan simpangan skor dari rata-rata dengan satuan deviasi
standar. Simbol skor baku akan ditambah subscript x,y, atau simbol lain tergatung dengan apa data
disimbolkan. Pensimbolan zX artinya skor baku data X.
Skor baku untuk data di atas dapat dicari seperti pada tabel berikut
No. X1 X2 X3 x1 x2 x3 x x x
zX = zX = zX =
1
sX 1
2
sX 2
3
sX 3
1 5 8 9 0 3 4 0 33/ √ 4.2 4¿ √ 5
2 5 7 2 0 2 -3 0 2¿ √ 4.2 -3¿ √ 5
3 5 4 3 0 -1 -2 0 -1¿ √ 4.2 -2¿ √ 5
4 5 6 8 0 1 3 0 1¿ √ 4.2 3¿ √ 5
5 5 8 7 0 3 2 0 3¿ √ 4.2 2¿ √ 5
6 5 5 4 0 0 -1 0 0¿ √ 4.2 -1¿ √ 5
7 5 4 3 0 -1 -2 0 -1¿ √ 4.2 -2¿ √ 5
8 5 2 4 0 -3 -1 0 -3¿ √ 4.2 -1¿ √ 5
9 5 3 6 0 -2 1 0 -2¿ √ 4.2 1¿ √ 5
10 5 3 4 0 -2 -1 0 -2¿ √ 4.2 -1¿ √ 5
50 50 50 0 0 0 0 0 0
Dari tabel terlihat bahwa data baku sama halnya dengan data simpangan dimana jumlahnya sama
dengan nol.
∑ z x =¿ ∑ z x =¿ ∑ z x =¿ 0 ¿ ¿¿
1 2 3
Bila √ 5 dicari dan diperoleh 2.23607 maka harga z tidak lagi sebagai bilangan bulat dan z tidak lagi
sama dengan nol. Ini dapat terjadi karena pada pembagian dengan s x diperoleh angka dengan digit
dibelakang koma yang banyak dan akibat pembulatan z tidak tepat nol.
Momen Keterangan
m 1=
∑ ( X −X ) =0 m 1 adalah momen terhadap rata adalah jumlah rata-rata simpangan
N yang membuktikan bahwa rata-rata adalah titik setimbang
m 2=
∑ ( X −X )2 2
=s X
m2 adalah variansi yang menggambarkan keberagaman data
N
m 3=
∑ ( X −X )3 Kedua momen ini akan menentukan ukuran kecondongan kurva
N (condong ke kanan atau condong ke kiri) dan kelandaian kurva yang
menggambarka data
m 3=
∑ ( X −X )4
N
mr =
∑ ( X−X )r Momen ke r terhadap rata-rata
N
m1
g1 =
m2 √m2
Pada kurva yang condong positif Pada distribusi simetris g2= 0. Pada kurva yang condong positif
g1 = +, karena pangkat tiga g1 = −, karena pangkat tiga
simpang rata-rata yang berharga simpang rata-rata yang berharga
positif lebih besar dari pangkat positif lebih kecil dari pangkat
tiga simpangan rata-rata yang tiga simpangan rata-rata yang
berharga negatif berharga negatif
Apa kurtosis itu dan bagaimana cara menentukannya?
Kurtosis adalah tingkat kelandaian kurva atau lebih tepat disebut tingkat ketebalan ekor (ujung) kurva
distribusi. Kurtosis biasanya dibandingkan dengan kurva normal seperti pada gambar di bawah.
m4
g 2= −3
m 22
Penyimpangan yang besar dari rata-rata menyebabkan m4 jauh lebih besar dari m2. Untuk distribusi
m4
normal harga adalah 3.
m22
Platty curtosis
Lepto curtosis
Pada kurva dengan lepto kurtosis Pada distribusi simetris g2 = 0. Pada kurva dengan palatty
positif g2 lebih besar dari nol (g2 > Pada distribusi simetri m3 =0, kurtosis g2 lebih kecil dari nol (g2
0) karena pangkat tiga < 0)
simpangan rata-rata yang
berharga negatif saman
dengan pangkat tiga
simpangan rata-rata yang
berharga positif.
Tugas :
Perhatikan data pada tabel berikut!
2 11 6 4 18 1 9 2 2 15
8 16 12 11 17 3 3 5 3 7
11 9 5 16 16 15 4 9 5 7
4 10 4 4 15 16 5 5 11 18
5 10 9 8 7 7 2 6 13 1
a. Tentukanlah ukuran keberagaman dalam bentuk jangkauan, rata-rata simpangan (mean
deviation), variansi dan simpangan baku
b. Tentukan tipe skewness dan kurtosis
Kumpulkan setelah perkuliahan melalui email saya dan kolom assignment pada elearning!